ఆర్థిక సమస్యలను పరిష్కరించే సాధనాల్లో ఒకటి క్లస్టర్ విశ్లేషణ. దాని సహాయంతో, డేటా శ్రేణి యొక్క సమూహాలు మరియు ఇతర వస్తువులు సమూహాలుగా వర్గీకరించబడతాయి. ఈ పద్ధతిని ఎక్సెల్ లో అన్వయించవచ్చు. ఇది ఆచరణలో ఎలా జరుగుతుందో చూద్దాం.
క్లస్టర్ విశ్లేషణను ఉపయోగించడం
క్లస్టర్ విశ్లేషణ సహాయంతో, అధ్యయనం చేయబడుతున్న లక్షణం ద్వారా నమూనాను నిర్వహించడం సాధ్యపడుతుంది. బహుళ పరిమాణాల శ్రేణిని సజాతీయ సమూహాలుగా విభజించడం దీని ప్రధాన పని. సమూహ ప్రమాణంగా, ఇచ్చిన పారామితి ద్వారా వస్తువుల మధ్య జత సహసంబంధ గుణకం లేదా యూక్లిడియన్ దూరం ఉపయోగించబడుతుంది. ఒకదానికొకటి దగ్గరగా ఉన్న విలువలు కలిసి ఉంటాయి.
ఈ రకమైన విశ్లేషణ చాలా తరచుగా ఆర్థిక శాస్త్రంలో ఉపయోగించబడుతున్నప్పటికీ, దీనిని జీవశాస్త్రంలో (జంతువులను వర్గీకరించడానికి), మనస్తత్వశాస్త్రం, medicine షధం మరియు మానవ కార్యకలాపాల యొక్క అనేక ఇతర రంగాలలో కూడా ఉపయోగించవచ్చు. ఈ ప్రయోజనాల కోసం ప్రామాణిక ఎక్సెల్ టూల్కిట్ ఉపయోగించి క్లస్టర్ విశ్లేషణను అన్వయించవచ్చు.
వినియోగ ఉదాహరణ
మనకు ఐదు వస్తువులు ఉన్నాయి, అవి రెండు అధ్యయనం చేసిన పారామితుల ద్వారా వర్గీకరించబడతాయి - x మరియు y.
- మేము ఈ విలువలకు యూక్లిడియన్ దూర సూత్రాన్ని వర్తింపజేస్తాము, ఇది టెంప్లేట్ ప్రకారం లెక్కించబడుతుంది:
= రూట్ ((x2-x1) ^ 2 + (y2-y1) ^ 2)
- ఈ విలువ ప్రతి ఐదు వస్తువుల మధ్య లెక్కించబడుతుంది. గణన ఫలితాలు దూర మాతృకలో ఉంచబడతాయి.
- దూరం ఏ విలువలకు మధ్య ఉంటుందో మనం చూస్తాము. మా ఉదాహరణలో, ఇవి వస్తువులు 1 మరియు 2. వాటి మధ్య దూరం 4.123106, ఇది ఈ జనాభాలోని ఇతర అంశాల మధ్య కంటే తక్కువ.
- ఈ డేటాను సమూహంగా మిళితం చేసి, విలువలను కలిగి ఉన్న కొత్త మాతృకను రూపొందించండి 1,2 ప్రత్యేక మూలకంగా పనిచేస్తుంది. మాతృకను కంపైల్ చేసేటప్పుడు, మిళిత మూలకం కోసం మునుపటి పట్టిక నుండి అతిచిన్న విలువలను వదిలివేస్తాము. మళ్ళీ మనం చూస్తాము, ఏ మూలకాల మధ్య దూరం తక్కువగా ఉంటుంది. ఈ సమయం 4 మరియు 5అలాగే వస్తువు 5 మరియు వస్తువుల సమూహం 1,2. దూరం 6,708204.
- మేము పేర్కొన్న అంశాలను సాధారణ క్లస్టర్కు జోడిస్తాము. మునుపటి సమయం మాదిరిగానే మేము కొత్త మాతృకను ఏర్పరుస్తాము. అంటే, మేము చిన్న విలువల కోసం చూస్తున్నాము. ఈ విధంగా, మా డేటా సమితిని రెండు సమూహాలుగా విభజించవచ్చని మనం చూస్తాము. మొదటి క్లస్టర్లో ఒకదానికొకటి దగ్గరగా ఉండే అంశాలు ఉన్నాయి - 1,2,4,5. మా విషయంలో రెండవ క్లస్టర్లో, ఒక మూలకం మాత్రమే ప్రదర్శించబడుతుంది - 3. ఇది ఇతర వస్తువులకు చాలా దూరంలో ఉంది. సమూహాల మధ్య దూరం 9.84.
ఇది జనాభాను సమూహాలుగా విభజించే విధానాన్ని పూర్తి చేస్తుంది.
మీరు చూడగలిగినట్లుగా, సాధారణ క్లస్టర్ విశ్లేషణలో సంక్లిష్టమైన ప్రక్రియలా అనిపించినప్పటికీ, వాస్తవానికి, ఈ పద్ధతి యొక్క సూక్ష్మ నైపుణ్యాలను అర్థం చేసుకోవడం అంత కష్టం కాదు. సమూహం యొక్క ప్రాథమిక నమూనాను అర్థం చేసుకోవడం ప్రధాన విషయం.